基于HALCON的移動車輛檢測方法研究

鮑嵐輝，蔡競

（浙江警察學院刑事科學技術系，杭州　310053）

基于HALCON的移動車輛檢測方法研究

鮑嵐輝，蔡競

（浙江警察學院刑事科學技術系，杭州310053）

為了實現移動車輛的快速準確識別，基于HALCON軟件提出一種移動車輛自動識別方法，根據幀差法原理將視頻序列中當前幀圖像分別與相鄰前、后兩幀作差，再將差值作“與”運算，通過設定分割閾值檢測出移動的目標，最后結合目標區域幾何特征篩選出移動車輛。實驗結果表明，這種方法檢測正確率高，且適用于多個移動目標檢測場景。

HALCON；目標檢測；幀差法；三幀差法

0　引言

隨著車輛數目的急劇增長，快速、準確地從視頻或錄像中識別出移動車輛的信息并進行跟蹤，將有助于優化交通治理方案、緩解交通擁堵現象，并為抓捕犯罪逃逸車輛提供技術支持。因此，研究針對移動車輛的檢測方法具有重大意義。

目前移動車輛目標檢測主要是基于視頻檢測，采用計算機視覺和圖像處理技術對視頻進行處理，從而篩選得到有用的移動車輛信息。常見的移動車輛檢測算法有：背景減法、光流法、幀差法，實踐中各方法都存在其優點和不足之處。例如，背景減法對周圍環境因素如多光源、陰影、噪聲變化比較敏感，檢測誤差較大；光流法不適用于攝像機靜止不動的場景；幀差法檢測目標速度過快和過慢時會產生較大誤差。池利陽、李民政、吳新強提出了一種運動目標檢測實時性和魯棒性的方法，針對二幀差法和背景差法各自的不足提出建立在這兩種方法基礎之上改進算法，在一定程度上提高了運動目標檢測率［1］。於正強、潘赟、宦若虹提出了一種結合幀差法和混合高斯的運動檢測算法，該方法緩解了相鄰幀差法產生的空洞問題，也消除背景物體突然轉為運動物體后產生的"影子"問題［2］，相對于相鄰幀差法，三幀差分法具有受周圍環境影響小，檢測率高的優點。為此徐衛星、王蘭英、李秀娟提出一種基于OpenCV實現的三幀差分運動目標檢測算法研究，利用OpenCV函數庫進行實驗仿真，并與基本幀間差分算法進行對比分析，實驗結果表明該算法準確率高，運算速度快，能滿足實時要求［3］。鑒于此本文提出了基于HALCON實現的三幀差分運動目標檢測算法研究。圖像處理軟件HALCON是德國MVtec公司開發的機器視覺軟件，具有強大的幾何以及圖像計算功能。HALCON支持使用GPU進行機器視覺處理的算子超過75個，多于其他任何軟件開發包，具有穩定性高、運行時間短和實時性高的優點，非常適合用于移動車輛目標自動識別系統。在HALCON平臺的基礎上，本文結合了相鄰幀差法［4-5］來實現移動車輛目標檢測，通過對相鄰三幀圖像兩兩作差，并對差分圖像二值化后作“與”運算，得到三幀差圖像，最后設定合適的閾值，利用幾何特征進行移動目標的篩選。與傳統背景減法、光流法的仿真結果相比較，本文的方法適用于多個移動目標的場景，且極大地提高了移動車輛目標檢測率。

1　移動車輛目標檢測系統

基于HALCON圖像處理軟件，本文設計了移動車輛目標自動識別系統，用于實現視頻中移動車輛的檢測、識別，系統主要包括以下幾塊內容：

圖1　移動車輛目標自動識別系統流程圖

視頻采集：獲取視頻圖像，導入HALCON軟件。

預處理：為提高最終檢測結果的準確率，需減少視頻中噪聲的干擾，本系統使用中值濾波法去除噪聲，能在較好的去噪效果下，更多的保留原圖像的細節特征。

運動目標檢測：基于幀差法，對相鄰三幀圖像兩兩作差后，再作“與”運算，得到三幀差。設定合理閾值，對三幀差圖像進行處理。

車輛目標篩選：結合車輛幾何特征，篩選出移動車輛目標。

2　算法原理

2.1幀差法原理

常用的幀差法是相鄰兩幀間差分法，將相鄰的兩幀視頻圖像相減，在作差得到的幀差圖像中，噪聲和運動區域存在明顯差別，這樣可以設定一個閾值，則差分結果大于閾值的像素點就是運動目標。幀差法計算量小、實時性高，是目標檢查領域的常用方法。

對于含運動目標的視頻圖像，假設相鄰兩幀分別為第k幀和第k-1幀，像素值分別為fk（x，y）和fk-1（x，y），首先對第k幀和第k-1幀使用中值濾波做平滑去噪處理，再取幀差，用第k幀像素值fk（x，y）減去k-1幀像素值fk-1（x，y），得到二值圖像D（x，y），計算公式為：

在該式中，T為閾值，需根據實際場景設置合適的大小，T值的大小直接決定著邊緣定位的精度和邊緣的連續性。若T值選取過大，則某些移動較慢的車輛將難以被檢測到，出現“漏檢”情況；若T值選取過小，則會檢測出圖像噪聲，出現“多檢”現象，影響結果的準確性。

2.2三幀差法原理

對相鄰兩幀圖像作幀差法，容易出現“多檢”或“漏檢”的情況，且只適用于勻速行駛的車輛識別，而對做加速運動或減速運動的車輛，檢測的誤差較大，為了提高準確率，本文提出了三幀差法。

三幀差法的原理是基于時間做差分并且閾值化像素，從連續的圖像序列中相鄰三幀間來提取圖像中的運動區域。先對視頻中相鄰的三幀圖像進行平滑去噪處理，，然后對相鄰兩幀的像素值相減得到兩個差分圖像，對差分圖像進行二值化，即轉化為灰度圖像。最后對兩個差分圖像作“與”運算，得到三幀差圖像。

假設相鄰三幀分別為第k+1幀、第k幀和第k-1幀，像素值分別為fk+1（x，y）、fk（x，y）和fk-1（x，y），先用第k+1幀像素值fk+1（x，y）減去第k幀像素值fk（x，y），第k幀像素值fk（x，y）減去第k-1幀像素值fk-1（x，y），分別得到二值圖像和如下：

其中，k的選取需循環多次以遍歷整個圖像，threshold為閾值，需根據應用場景選取合適的大小。具體閾值的選取，還與攝像頭和移動車輛的距離有關，需要利用透視關系對圖像作進一步處理，并結合經驗選取。在周圍環境亮度變化不大的情況下，若對應的三幀差小于事先設定的閾值，則這張差分圖像為背景圖像；若對應的三幀差大于事先設定的閾值，說明圖像區域中像素值變化較大，并且可以認為這種變化是圖像中的運動物體造成的，則判定該圖像為運動車輛。

再對和作“與”運算，得到三幀差圖像如式（4）。

2.3目標篩選原理

三幀差法檢測結果完整、檢測準確率高，且對于含運動物體的視頻檢測有較強的適應性。經過三幀差法得到運動物體的圖像后，可以利用區域標記等方法對其進行標記，進而確定運動物體在圖像中的具體位置。結合車輛的幾何特征，最終可以獲得移動目標車輛的圖像，完成移動目標車輛的識別。

3　實驗結果仿真

實驗仿真在HALCON軟件平臺下進行，實驗仿真運用幀差法對視頻中移動車輛目標進行檢測。首先對圖片進行二值化并將視頻的每一幀拆分出來，最終分為588幀。設置好視頻圖像在HALCON軟件圖形窗口中顯示的參數，這次仿真我們設置窗口圖像的長寬高分別為35、344、276。首先利用HALCON中的算子read_image（）讀入相鄰圖像，利用算子dyn_threshold（）算子分別對前兩幀圖像作差和后兩幀圖像作差，進行閾值分割，其中設置分割閾值為45，分割后的圖像分別如圖2、3所示。

圖2　前兩幀閾值分割結果

圖3　后兩幀閾值分割結果

利用算子intersection（）取分割后的兩張圖像之間第三幀與第二幀差分圖像和第二幀與第一幀差分圖像2個區域之間的交集，實驗結果如圖4，與運用三幀差法算法分割閾值圖像相比傳統相鄰幀差法閾值分割圖像如圖5所示。

接著利用算子opening_circle（）對交集圖像進行開運算［8］操作，其中設置膨脹半徑為0.5，其實驗結果如圖6所示。在對交集圖像進行開運算操作基礎上再對圖像利用算子closing_circle（）進行閉運算，其中設置腐蝕半徑為3.5，其實驗結果如圖7所示。

圖4　三幀差法閾值分割結果

圖5　二幀差法閾值分割結果

圖6　對圖像開運算處理

利用算子connection（）合并所有選定像素觸摸相互連通區，并利用算子select_shape（）篩選帶有某些特征的區域，實驗結果如圖8所示。

其次利用算子shape_trans（）變換一個區域的形狀，把difference得到的灰黑色圖案變換形狀，用convex模式變換，將其變換成整個凸出的填充完整形狀，并通過算子dev_display（）在現有圖形窗口中顯示圖像目標，實驗結果如圖9所示。

圖7　對圖像閉運算處理

圖8　幾何特征篩選

圖9　運動目標檢測實現

最后按照上述操作流程選取下兩組相鄰幀進行三幀差法運動目標檢測，從而勾勒出類似目標的輪廓，最終通過每張圖像的集成形成一段完整的運動情況，從而完成該段視頻中移動車輛目標地檢測。為同時采用人工數車作為參考標準來計算系統的檢測率。實驗結果最高檢測率高達93%，統計表如表1所示。為與傳統相鄰幀差法形成對比，本文同時對傳統相鄰幀差法進行實驗仿真，仿真結果顯示傳統相鄰幀差法檢測率只有43%，統計表如表1所示，實驗仿真總體的結果較為理想。

表1　兩種算法效果比較

4　結語

為了實現移動目標車輛的自動識別，本文結合HALCON圖像處理軟件，提出了一種基于三幀差法的方法。對相鄰三幀圖像兩兩作差，并對兩個差值圖像作“與”運算，選取合適的閾值實現移動目標檢測，最后結合車輛的幾何特征對移動目標進行篩選，得到移動車輛的圖像。仿真結果表明，該方法適用于移動目標檢測，檢測準確率高，且對周圍環境有較強的自適應性。該方法同時可以作為車流量［9］和車速等交通流參數精度的一個參考，這也是本文的下一步努力方向。

［1］池利陽，李民政，吳新強.一種運動目標檢測實時性和魯棒性的方法［J］.計算機應用與軟件，2015（2）：132-134.

［2］於正強，潘赟，宦若虹.一種結合幀差法和混合高斯的運動檢測算法［J］.計算機應用與軟件，2015（4）：129-132.

［3］徐衛星，王蘭英，李秀娟.一種基于OpenCV實現的三幀差分運動目標檢測算法研究［J］.計算機與數字工程，2011，39（11）：141-144.

［4］萬纓，韓毅，盧漢清．運動目標檢測算法的探討［J］．計算機仿真，2006，23（10）：221-226．

［5］Migliore D A，Matteucci M，Naccari M．A Revaluation of Frame Difference in Fast and Robust Motion Detection［C］.Proceedings of the 4th ACM International Workshop on Video Surveillance and Sensor Networks，New York：ACM，2006：215-218．

［6］Serra J，Vincent L.An Overview of Morphological Filtering.International Archives of Circuits Systems Signal Process，1992，2（1）：47-108．

［7］高美鳳，劉娣.分塊幀差和背景差相融合的運動目標檢測［J］.計算機應用研究，2013，30（1）：299-302.

［8］李朝鋒，潘婷婷.基于形態學開閉運算和梯度優化的分水嶺算法的目標檢測方法［J］.計算機應用研究，2009，26（4）：1593-1594.

［9］羅欣，朱清新.改進的基于邊緣檢測技術的車流量統計系統［J］.計算機工程，2006，32（9）：228-229.

BAO Lan-hui，CAI Jing
（Department of Forensic Science，Zhejiang Police College，Hangzhou 310053）

In order to identify the moving vehicles fast and accurately，proposes a method of identification of moving vehicle based on HALCON.According to the principle of frame difference method，makes the difference between the current frame image with both previous frame image and next frame image，uses the“and”operation on these two differences，then detects the moving target by setting the segmentation threshold，and the moving vehicle can be found by the geometrical features of target area.The experiment results show that the proposed method has high detection accuracy，and suitable for multiple moving targets detection scene.

HALCON；Target Detection；Frame Subtraction；Three Frame Subtraction

1007-1423（2016）26-0070-05DOI：10.3969/j.issn.1007-1423.2016.26.017

鮑嵐輝（1996-），男，浙江麗水人，本科，研究方向為視頻圖像處理

2016－07－07

2016－09－10Research on Moving Vehicle Detection Method Based on HALCON

蔡競（1985-），男，浙江杭州人，博士研究生，講師，研究方向為計算機視覺和視頻偵查技術